Energetic cost of human disturbance on the southern sea otter (<i>Enhydra lutris nereis</i>)
Notice bibliographique
Résumé
Abstract With increased human populations and tourism in coastal areas, there is greater potential for disturbance of marine wildlife. Because of their high metabolic rates, sea otters (Enhydra lutris) are at particular risk of increased energetic costs due to human disturbance. We used scan surveys to monitor southern sea otter (E. l. nereis) activity and potential disturbance stimuli over 5 years (2015–2020) at 3 California, USA, study sites: Monterey, Moss Landing, and Morro Bay. We developed a process‐based, hierarchical model of sea otter behavior, which we fit to survey data to examine how activity varies in response to the occurrence of and proximity to disturbance stimuli, while controlling for location, group size, pup‐to‐adult ratio, and presence‐absence of kelp or eelgrass canopy. We combined model results with published estimates of activity‐specific metabolic rates, translating estimated activity change into corresponding energetic costs. We found that effects of disturbance stimuli on sea otter behavior were location specific and varied non‐linearly with distance from disturbance stimuli. Our model results suggest that, on average, the likelihood of a group of sea otters being disturbed is <10% when stimuli are >29 m away, although this threshold varies by location, group size, and several other covariates. Based on the observed frequency and magnitude of disturbance at Cannery row in Monterey, we estimated that energetic costs were increased by 7.2%, 5.4%, and 5.4% for adult males, females, and females with large pups, respectively. We observed similar cost increases at the wildlife platform in Moss Landing (5.8%, 4.4%, and 4.3%) and T‐pier in Morro Bay (5.2%, 4.0%, and 3.9%). Our analyses represent a novel approach for estimating behavioral responses and energetic costs of human disturbance, furthering understanding of how human activities affect sea otters and providing a sound scientific basis for management.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».